КЛАССИФИКАЦИЯ КАЧЕСТВА ЦИТРУСОВЫХ НА ОСНОВЕ РАЗМЕРА С ИСПОЛЬЗОВАНИЕМ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
https://doi.org/10.26898/0370-8799-2018-5-12
Аннотация
Представлена разработка нового алгоритма шмпьютерной визуализации для классификации качества цитрусовых культур, основанного на размерах плодов одного дерева. Параметры изображения: площадь, периметр и диаметр цитрусовых- измерены в пикселях. Определены отношения значений диаметра, периметра и площади в пикселях к фактическому размеру плода для того, чтобы точно оценить размер плодов цитрусовых. Проведена группировка 1860 плодов цитрусовых на основе размера диаметра, периметра и площади в пикеелях. Результаты грутгировки сопоставлены с результатами обзорных исследований по размеру плодов цитрусовых, которые проводились Комиссией Чеджу Сравнительные результаты показывают, что диаметр изображений плодов в пикселях имеет более точный размер, чем значения в пикселях периметра и площади.
Ключевые слова
Об авторах
Ульзии-Орших Дордж
Национальный университет Чонбук
Южная Корея
Южная Корея
Центр современных информационных технологий и обработки изображений, Школа электроники и информатики,
664-14, 1 Га, Деокджин-Донг, Джеонджу, Чонбук, 561-756,
chaehs7288@gmail.com
Уранбайгаль Деиджибал
Монгольский университет наук о живой природе
Монголия
Монголия
Факультет математики, физики и информационных технологий, Школа инженерных наук и технологий,
Улан-Батор
Хунсеок Чае
Национальный университет Чонбук
Южная Корея
Южная Корея
Центр современных информационных технологий и обработки изображений, Школа электроники и информатики,
Деокджин-Донг
Лхагвадордж Бацамбуу
Монгольский университет наук о живой природе
Улан-Баатар, Монголия
Монголия
Монголия
Факультет пищевой промьгшленности и гидротехники, Школа инженерных наук и технологий,
Улан-Батор
Алтанхимег Бадарч
Монгольский университет наук о живой природе
Монголия
Монголия
Факультет экономической статистики и математического моделирования, Школа экономики и бизнеса, Улан-Батор,
shinebayar.d@muls.edu.mn
Шинебайар Далхаа
Монгольский университет наук о живой природе
Монголия
Монголия
Факультет математики, физики и информационных технологий, Школа инженерных наук и технологий,
Улан-Батор,
shinebayar.d@muls.edu.mn
Список литературы
1. Anandkumar Patil, IshwarappaR К. Classification of crops using FCM segmentation and texture, color feature. World Jou rnal of Science and Technology, 2012, vol. 10, no. 2, pp. 74-78.
2. Suchitra A. Khoje, Bodhe S.K., AlpanaAdsul. Automated Skin Defect Identification System for Fruit Grading Based on Discrete Curvelet Transform. International Journal of Engineering and Technology, 2013, vol. 5, no. 4, pp. 3251-3256.
3. Jyoti A Kodagali, Balaji S. Computer Vision and Image Analysis Based Techniques for Automatic Characterization of Fruits -A Review. International Journal of Food Science & Technology (IJFST), 2012, vol. 2, no. 2, pp. 1-14.
4. KhalidM. Alrajeh, Tamer. A.A. Alzohairy. Date Fruits Classification using MLP and RBF Neural Networks. International Journal of Computer Applications (0975-8887), 2012, vol. 41, no. 10.
5. Yudong Zhang and Lenan Wu. Classification of Fruits Using Computer Vision and a Multiclass Support Vector Machine. Sensors, 2012, no. 12, pp. 12489-12505.
6. Mahendran R, Jayashree GC, Alagusundaram K. Application of Computer Vision Technique on Sorting and Grading ofFruits and Vegetables. Journal Food Processing & Technology, 2011, no. 5, pp. 1-7.
7. Devrim Unaya, Bernard Gosselinb, Olivier Kleynenc, Vincent Leemansc, Marie-France Destainc, Olivier Debeird. Automatic grading of Bi-colored apples by multispectral machine vision. Computers and Electronics in Agriculture, 2011, vol. 75, pp 204-212.
8. Elena Guzm6n, Vincent Baeten, Juan Antonio Fern6ndez Pierna, JosfiA. GarcHa-Mesa. Using a Visible Vision System for On-Line Determination of Quality Parameters of Olive Fruits. Food and Nutrition Sciences, 2013, vol. 4, pp. 90-98.
9. Amir Alipasandi, Hosein Ghaffari, Saman Zohrabi Alibeyglu. Classification of three Varieties of Peach Fruit Using Artificial Neural Network Assisted with Image Processing Tecbniques.InternationalJournalofAgronomy and Plant Production, 2013, vol., 9, no. 4, pp.2179-2186.
10. Deepa P., Geethalakshmi S.N. A Comparative Analysis of Feature Extraction Methods for Fruit Grading Classifications. International Journal of Emerging Technologies in Computational and Applied Sciences, 2013, pp.221-225.
11. Sajad Sabzi, Payam Javadikia, Hekmatrabbani, Ali Adelkhani. Promote of Sorting System of Bam orange using an adaptive neural-fuzzy inference system (ANFIS). International Journal of Agriculture and Crop Sciences, 2013, vol., 14, no. 5, pp. 1529-1534.
Рецензия
Для цитирования:
Дордж У., Деиджибал У., Чае Х., Бацамбуу Л., Бадарч А., Далхаа Ш. КЛАССИФИКАЦИЯ КАЧЕСТВА ЦИТРУСОВЫХ НА ОСНОВЕ РАЗМЕРА С ИСПОЛЬЗОВАНИЕМ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ. Сибирский вестник сельскохозяйственной науки. 2018;48(5):95-101. https://doi.org/10.26898/0370-8799-2018-5-12
For citation:
Dorj U., Dejidbal U., Chae H., Batsambuu L., Badarch A., Dalkhaa Sh. CITRUS FRUIT QUALITY CLASSIFICATION BASED ON SIZE USING DIGITAL IMAGE PROCESSING. Siberian Herald of Agricultural Science. 2018;48(5):95-101. (In Russ.) https://doi.org/10.26898/0370-8799-2018-5-12
Просмотров:
454
Послать статью по эл. почте 